Logistic
Telescope@moon
这个作者很懒,什么都没留下…
展开
-
训练算法:使用梯度上升找到最佳参数、分析数据:画出决策边界
利用Logistic回归进行分类的主要思想是:根据现有数据对分类边界建立回归公式,以此进行分类。最优化算法:梯度上升法和一个改进的随机梯度上升法训练算法:使用梯度上升找到最佳参数 .read() 每次读取整个文件,.readlines()自动将文件内容分析成一个行的列表,该列表可以由 Python 的 for… in … 结构进行处理,.readline()每次只读取一行,通常比 .r...原创 2018-08-02 15:44:47 · 1267 阅读 · 0 评论 -
训练算法:随机梯度上升
训练算法:随机梯度上升>>> np.ones(5)array([ 1., 1., 1., 1., 1.])>>> np.ones((5,), dtype=np.int)array([1, 1, 1, 1, 1])>>> np.ones((2, 1))array([[ 1.], [ 1.]])>...原创 2018-08-02 19:13:36 · 1527 阅读 · 0 评论 -
示例:从疝气病症预测病马的死亡率
准备数据:处理数据中的缺失值 当数据丢失时,给出了一些方法来解决这个问题。 1、使用可用特征的均值来填补缺失值; 2、使用特殊值来填补缺失值,如-1; 3、忽略有缺失值的样本; 4、使用相似样本的均值填补缺失值; 5、使用另外的机器学习算法预测缺失值。 在预处理阶段做两件事: 第一,所有的缺失值必须用一个实数值来替代,因为我们使用Numpy数据类型不允许包含缺失值。这里选择实数0来...原创 2018-08-02 20:24:02 · 3799 阅读 · 0 评论